本文基于对Claude Code源码的深入分析，揭示其如何将RAG从"外挂知识库"升级为"操作系统级内存管理"。
最近，Claude Code的源码被动开源，引发了广泛关注。在深入分析其源码后，我们发现它完全颠覆了传统RAG（检索增强生成）的玩法。传统RAG大多停留在"文档切分、向量库存储、相似度检索"的初级阶段，而Claude Code则通过一系列反常识的技巧，将RAG提升到了一个全新的高度。
本文将详细拆解Claude Code源码中四个关键的RAG高级技巧，这些技巧不仅改变了RAG的实现方式，更重新定义了RAG的本质。
不用向量库的-即时检索
传统RAG的第一反应往往是构建向量库：先对文档进行Embedding，存储到向量数据库，查询时再通过相似度检索召回。这一流程虽然直观，但带来了延迟、成本和准确率等多方面的挑战。
Claude Code的Explore Agent则完全摒弃了向量库。它作为一个纯读模式的代码探索专家，当主Agent需要了解某个模块、查找某个函数或理解某段逻辑时，不会去向量库中"搜相似"，而是直接调用Glob和Grep进行实时搜索。
为什么这更有效？
语义相似 vs 精确存在：向量库搜索的是"语义相似"，在代码场景中，这可能导致两个完全不同的函数因注释相似而被召回，而真正需要的精确符号反而被忽略。而Glob和Grep搜索的是"精确存在"，直接定位到具体的接口定义或模块文件。 动态触发：这种检索不是提前做好的，而是在Agent思考过程中动态触发的。模型自己决定：我该搜什么？用什么工具搜？搜到后读哪个文件？ 更准更轻：这不再是传统意义上的RAG，而是"带工具的实时检索"，它比RAG更准确、更轻量。
Prompt里藏着的-缓存经济学
很多人写系统提示词时，恨不得把所有规则、规范和例子都塞进去，导致Prompt越来越长，每次调用都消耗大量Token。
Claude Code的提示词设计则巧妙地按"能否缓存"进行了切分：
静态前缀：包含身份定位、行为哲学、工具使用规范等在整个会话中基本不变的内容。这一部分可以被缓存，后续调用几乎不花成本。 动态后缀：包含会话相关的信息，如当前打开的Skill、MCP工具的使用说明、Session-specific的临时指令。
精妙之处
这种设计将Prompt从文本变成了"可缓存的运行时资源"。更进一步，在Agent的fork机制中，Claude Code甚至刻意让子Agent继承主Agent的系统提示词和工具定义，以确保API请求的前缀字节完全相同，从而命中缓存。
这意味着Claude Code将Token视为需要精细管理的预算，而非无限消耗品。一个会"算账"的RAG系统，才可能真正在生产环境中高效运行。
向量索引预筛选->上下文压缩
传统RAG流程中，检索出的上下文往往过长，超出模型窗口限制。为此，通常会进行"预筛选"，基于向量相似度或其他规则挑选最相关的几条信息。
Claude Code则采取了更聪明的做法：让模型自己压缩上下文。
源码中存在明确的Session-specific guidance和Token预算管理逻辑。当上下文逼近窗口上限时，系统不会粗暴地删除旧消息，而是让模型将之前的对话、工具结果、中间产出压缩成一个结构化的"紧凑摘要"。这个摘要保留了关键信息，但去掉了冗长细节，可能将10000 Token的上下文压缩到2000 Token，而核心内容不丢失。
为什么这更优？
这相当于将RAG的"预筛选"从"检索阶段"移到了"模型消费阶段"。向量相似度永远无法准确判断"什么信息对当前任务重要"，但模型自己知道。因此，模型的自压缩比外部预筛选更精准。
MCP不只是工具桥，还是行为说明注入通道
MCP（Model Context Protocol）通常被用作让模型调用外部工具的桥梁。但Claude Code的源码揭示了一个更深层的用法：MCP还能注入"如何使用工具的行为说明"。
在prompts.ts中，有一个关键函数getMcpInstructionsSection()。该函数会遍历所有连接的MCP Server，如果某个Server提供了instructions字段，就会将这些说明直接拼进系统提示词中。
这意味着什么？
MCP不仅能注入工具，还能注入"工具使用规范"。例如，一个数据库MCP工具可以在instructions中写明："查询时优先用索引字段，避免全表扫描；大批量数据要用分页，不要一次拉完。" 这些说明成为系统提示词的一部分，直接影响模型的行为。 这本质上是RAG的扩展：RAG的本质是把"外部知识"注入模型上下文，而MCP instructions做的是把"工具的使用知识"注入上下文。
这打破了RAG的边界——它不再局限于"搜网页、搜文档"，而是可以扩展到"搜工具怎么用、搜系统怎么玩"的层面。
总结
Claude Code的这四个技巧，共同指向一个核心理念：RAG的本质不是"外挂知识库"，而是"让模型在正确的时候，拿到正确的信息" 。
向量库只是实现这一目标的手段之一，而非唯一，甚至不一定是最好的。Claude Code通过实时检索、Prompt缓存、上下文压缩和MCP行为注入，构建了一个更智能、更高效的RAG系统。
如果你也在构建Agent系统，不妨思考一下：你的RAG是否还停留在"向量库+召回"的阶段？还是已经向"操作系统级内存管理"的方向迈进？
